在今日舉辦的2026年騰訊云AI產業應用大會上，騰訊集團高級執行副總裁、云與智慧產業事業群CEO湯道生，與騰訊首席AI科學家姚順雨進行對談，對話涉及姚順雨加入騰訊的原因、騰訊AI的現狀、對Agent、AI下半場的看法等等。

值得注意的是，湯道生在問姚順雨問題時，頻繁使用“您”，而不是你，足見對姚的尊重。

湯道生首先總結了騰訊AI的整體進展：騰訊 AI 全面提速，聚焦打造好用的 AI，加大人才引進，推動組織升級，在各層面取得階段性進展。

接著引出了姚順雨，他介紹姚順雨稱，其在學術界提出過ReAct框架，也在 Openai 參與過 operator、deepresearch 等前沿的 agent 產品。

姚順雨表示平時都是在海淀區，很少來朝陽區。

對于AI下半場，他認為更加重要的是怎么去解決問題，去尋找好的方法，現在方法論已經變得非常成熟，尋找問題變得更加困難。有了預訓練和后訓練之后，像有了一個萬能的錘子，它可以去砸任何釘子，它是一個通用的方法論，可以去解決各種各樣的問題，那么反而更困難的是怎么去尋找好的問題去解決。

加入騰訊很重要的一點就是，這里有很多好的問題，有很多很多產品。

姚順雨表示，加入騰訊最重要的原因是文化，在跟騰訊總辦的老板們聊天的時候，第一印象就是大家都非常的誠實，哪里做得好，哪里做得不好，都非常直白，就是不會去掩蓋。

“這種坦誠是第一印象，然后我覺得第二個我覺得騰訊總體是一個基于 trust 而不是基于 metric 去運轉的公司，我覺得這一點對于做 AI 是非常重要的。”

對于騰訊在AI上動作慢了，姚順雨認為AI會是個長期游戲，從某種程度來說，下半場才剛剛開始，不認為ChatGPT和Claude code會是唯一的super APP，那會是一個非常灰暗的世界，肯定會有源源不斷的新的機會的誕生，可能今天就像是七十年代PC剛剛產生的時候，還有很多很多事情需要做。

第二個判斷就是說它會是個更線性，還是個多元的游戲。多模態具身智能很多很多新的事情都在發生或者剛剛發生。所以從這角度來說，那如果認為下半場的剛開始，那可能確實不是慢。

湯道生則認為，大家對于騰訊經常喜歡挑某一個點來批評，但也很歡迎大家提更高的要求。在這樣的一個復雜的組織里面，有些地方可能我們做的快了，有些地方做的慢了，有些地方可能會做失敗在探索，所以覺得這些提醒都非常好。

“覺得確實有些地方我們是可以做得更好，但就像你說的，這是一個長跑，這是一個馬拉松，騰訊還是有非常豐富的場景。比如今年年初對龍蝦這一波熱潮也反應比較快，同時也有像workbody這樣的一個智能體產品，也能比較快的去應對。”

以下是二人對話實錄：

湯道生：我簡單介紹一下，順雨在學術界提出過 ReAct的框架，也在 Openai 參與過 operator、deepresearch 等前沿的 agent 產品。

加入騰訊以來，他主導的混元大模型既懂前沿技術，也能扎根一線。相信會帶來不一樣的洞察，我們歡迎順雨。

有請騰訊首席 AI 科學家、騰訊混元大語言模型及 AI Infra 負責人姚順雨先生。

好，非常歡迎順雨，你要跟大家說個 hello 嗎？哈哈。

姚順雨：大家好，我平時都是在海淀區，現在很少來朝陽區。對，很高興。

湯道生：我看計時器已經開始了，所以我的我們就直奔主題，直接交流吧。

那今天的我們兩個對話可能是一個比較新的形態，如果有什么這個出乎意料的，我想也是給大家一個驚喜。

那順雨你加入騰訊之前，我記得當時我還問過你一些問題，為什么會選擇來到騰訊？而且你認為 AI 的下半場最重要的是什么？

姚順雨：對，我覺得我想先首先解釋一下什么叫做下半場，因為我最近感覺這個詞有點被濫用了。哈哈，對，就是這個概念，其實是我去年的一個博客里面提出來的。

什么意思呢？其實我覺得在可能去年之前 AI 已經發展了幾十年，但是更加重要的是怎么去解決問題，去尋找好的方法，但是最近我覺得很明顯的就是說方法論已經變得非常成熟，尋找問題變得更加困難。

我舉個例子，比如說過去，比如說我們做下圍棋，對吧？

我們會發明像阿爾法狗這樣的一個方法，但這個方法它可能只用來適合下圍棋或者下各種棋類。

你會為了翻譯做一個這個特別的模型，但是它可能只能用來做翻譯，不能做其他事情，但是有了預訓練和后訓練之后，我們發現我們像有了一個萬能的錘子，對吧？

它可以去砸任何釘子，它是一個通用的方法論，可以去解決各種各樣的問題，那么反而更困難的是怎么去尋找好的問題去解決。

所以其實我覺得加入騰訊很重要的一點就是說這里有很多好的問題，有很多很多產品，然后我覺得這一點會在接下來變得越來越重要。

其實一方面好的產品能夠解決第一個問題，就是說我們做了這樣的好的，我們做了預訓練和后訓練之后，我們到底要把它應用在什么樣的地方產生價值？

第二就是說環境是非常重要的，如果沒有好的環境，那 agent 就沒有辦法去做各種各樣的事情。

比如說如果你沒有一個這個點外賣的這個 to 的話，那你就沒有辦法去點外賣，那很多事情你做不到，但是我覺得可能最重要的是 context。

其實就是無論是企業還是個人，就像我上一次在這個 AGI next 說的一樣，我覺得越來越重要的事情是 context，因為模型越來越擅長把一個非常復雜的輸入變成一個輸出。

那很多時候你的競爭壁壘就在來自于你有沒有那個最原始的輸入，你知不知道這個人他到底在干什么？你知不知道這個企業的這個各種各樣的信息？

姚順雨：那這一點的話，我覺得騰訊有非常強的優勢，但其實我覺得這個只是第二大的原因，我覺得其實最重要的原因是文化，我還記得我第一次跟你聊天的時候，包括和就是很多其他總辦的老板們聊天的時候，我第一印象就是大家都非常的誠實，就是哪里做得好，哪里做得不好，都非常直白，就是不會去掩蓋。

然后就說，哎，我知道我這里做好，我知道我這里不知道，我知道這里應該怎么做，我不知道哪里應該怎么做，我覺得這種坦誠是我的第一印象，然后我覺得第二個就是說我覺得騰訊總體是一個基于 trust 而不是基于 metric 去運轉的公司，我覺得這一點對于做 AI 是非常重要的。

然后包括我覺得我們的這個文化其實有非常 low ego（低自我）這一面。然后我覺得這些文化都是可能對于長期來做一個 AI 的這個組織是非常重要的，包括我們對長期主義的這種堅持。

姚順雨：所以 AI 下半場最重要的是什么？

我個人的目標我覺得就是我，我們應該在中國建立一個長期的基于 AGI 的這樣的一個組織。

那我覺得今天的 AI 其實主要有三個部分，首先是 foundation 的部分。我們怎么樣去把預訓練和后訓練這種最基礎的東西做的非常 solid。

第二部分是產品，我們怎么去把這樣的技術真的為人和社會產生價值？

第三就是 Frontier 我們怎么去探索新的研究的范式，探索新的機會？

其實我覺得最重要的就是說我們要構建一個非常均衡的這樣的一個三角形一樣的組織。那我覺得對于做 foundation 來說最重要的其實就是第一需要充足的資源，第二就是需要正確的做事的方式，這其實跟我剛剛說的文化的一點也是吻合的。

那對于產品來說，我覺得就是有好的產品的 sense，有這種做產品的經驗是至關重要的。

那第三，我覺得就是說在中國，我們今天可能所做探索還不夠多，所以我也希望就是能把這種 Frontier exploration 的精神能更多的注入到我們組織中。

湯道生：你提到的跟總辦聊的過程中感受到的這個真誠或者務實，其實也是經常我跟客戶交流得到的反饋，我覺得我們的做事的方式、做產品的理念其實也是比較實事求是的，畢竟 AI 賽道還是一個長跑，我覺得。

有時候認知其實也很重要，對吧？我們做的好的，哪些做的不好的也得認，但關鍵這是一個多維度的一個一個競賽。

我們看到現在模型有很多的進步，我們做產品其實也是有越來越多的形態，不同的場景有不同的需求，我覺得未來還是非常可期的，我覺得。

湯道生：那您剛提到模型跟產品可以說提供了一個環境，里面有要給模型提供 context 上下文，那我想問一個問題，也許我們平時開會提的有一個詞，比較多的是 co-esign 怎么把產品跟模型能夠比較緊密的結合起來，尤其今天有這么多豐富的產品。

從我們合作非常緊密的像元寶這樣的一個聊天機器人，包括 AI 搜索企業里面也有部署一些企智能客服、智能營銷，另外最近非常火的這個類龍蝦的，像 codebuddy、workbuddy 這樣的一個產品，其實對與模型的能力依賴很深，你怎么去思考 co-design 這個方式？

姚順雨：對，我覺得有三點，首先 co-design前提就是說模型本身要做的很 solid。

有很多 foundational work 要做好，那其實首先我覺得預訓練是一個相對就是產品 agnostic 的事情，然后他做的非常 solid 可以提供一個非常強的 foundation，而且預訓練它最大的特點就是它是一個可泛化的學習的過程。

就它的進步是可以，就是帶給各種各樣下游的任務都以這個持續的這個價值的提升，那后訓練的話，其實我覺得最重要一點是要設立好正確的eval(評估） ，我覺得中國可能大家有個不好的傾向，就是比較喜歡刷榜，但是。

我覺得就是如何實事求是的基于產品、基于真正的應用去構造更加真實的 eval 。

那我覺得這個首先你要有好的產品出口，第二就是說你要意識到就是說可能實用性的價值是大于這個刷榜的價值。

那其實這一點的話，我們做大量的工作，就是說跟各種各樣的產品進行了深度的 co-design，我覺得 co-design其實很關鍵的一點就是要產生相互的信任，這點其實我們也做了大量這個工作去取得互信。

姚順雨：那怎么把產品的數據用好？怎么把這種回流？怎么把 eval 做好？

我覺得這有很多細節我就不贅述，但我覺得第三點，我想說的就是說我覺得 LM 時代和過去的 AI 最本質的區別就是泛化性，就是在 LM 之前，比如說你做一個翻譯的產品，你只要把翻譯的數據做特別好就行了。

你做一個圍棋的程序，你只要把圍棋的數據準備特別好就行了。

但是今天即使你想就只做一個 coding agent，你發現其實需要的也不僅僅是 coding agent 數據，你需要非常好的聊天能力，非常強的搜索能力，非常強的指令遵循能力，非常強的推理能力，它其實是一個非常復合的 data 的 taxonomy。

姚順雨：我覺得需要對這事情有 taste，那我覺得這個事情的一個推論就是說其實有很多產品的這樣的一個體系化的地方，其實會有一個比較大的優勢，比如說我們和元寶的co-design可以使我們模型產生很強的聊天和搜索能力，但這樣能力可能又可以被遷移到 ima 或者 work Buddy 這樣的其他的產品，所以這些產品它能夠提供不同的數據，但這些數據之間又可以相互泛化，它形成一個像網絡一樣的體系。

我覺得這一點的價值會越來越重要。

湯道生：對對對，我其實外部的刷那個榜其實也是屬于 Eval 的一種，所以我們內部做 Eval 跟外部的這種榜有什么區別？

姚順雨：我覺得就是首先這些 Benchmark 還是有它的價值，不是說它完全沒有價值，我覺得只是說現在這些榜非常容易 saturate，那我覺得基于真實世界的數據有幾個幫助，首先就是你能發現模型的很多底線問題，實際上我覺得我們想要就是發一個 Preview 模型，最重要的目的之一就是我們希望能獲得真實世界的反饋。

來修復各種各樣的，就是榜單中文沒法發現的這些底線問題，那我覺得這一點會在正式版上面有一個非常大的改進。

那第二點就是說你對真實的 prompt distribution 有一個更深的了解，那我舉個例子，比如說奔馳 bar 上面的這些題目，可能它都是非常精確的，就是它有非常長的這種 concrete description，然后它可能一般來說是個單輪的這樣的一個問題。

姚順雨：那第三就是說我覺得甚至我們可以在這些產品上面獲得一些靈感，去推進現在可能還沒有的榜單，或者沒有的領域的這樣的推進。

比如說我們最近做了很多 context learning 的工作，我覺也是跟元寶派給我們的啟發很有幫助，所以我覺得這個產品和這個模型的互相成就是越來越重要的一個 AI 的話題。對。

湯道生：我記得我們在早期做元寶的時候，還碰到多倫遵循的問題，好像在使用產品，大家這種迭代 Prom 的方式跟 Benchmark 也好像有些差異，真正在產品里面大家使用所需要的能力確實好像跟 Benchmark 是還蠻大的差異的。

姚順雨：我，你問了我這么多問題，我也問一點你。

湯道生：歡迎歡迎。

姚順雨：對，其實我記得我第一次跟你聊的時候，你給我講了很多你過去的經歷，對吧？就是從 QQ 空間、QQ 秀的時代，一直到，哈哈哈。

我小學時候最喜歡的這個產品。

湯道生：你說是老登子，是吧？

姚順雨：到 QQ 到音樂，到這個云，到現在的元寶到，ima，其實跟你聊天很有意思，因為你做過各種各樣的產品，然后 ToC 的也有，ToB 的也有，就是遠古時代的也有這個，最近的這個 AI 時代的產品也有，那我其實比較好奇，就是說你覺得你做產品的第一性原理是什么？

你覺得哪些經驗或者價值是不變的？哪些東西變了？

湯道生：我覺得其實最終做產品還是奔著到底用戶有什么需求，我怎么去解決他的痛點，怎么去給用戶或者客戶創造價值，這在不同的時代，你最后甚至不同的行業，你做一個產品還是需要能夠給用戶帶來價值，他才會買單，才會使用。

所以我倒覺得從 PC 互聯網時代，我們做空間、移動的時代，做各種各樣的產品、內容的產品，到產業互聯網做云，其實你我們也要花好多的時間精力去聽客戶的聲音，嘗試去幫助他們去解決他的問題。

底層的邏輯其實沒有這么大的變化，但確實我覺得在 PC 互聯網、移動互聯網時代做產品，跟今天在 AI 時代做產品還是有蠻多不一樣的地方。

湯道生：首先我覺得從范式的角度來看，在 AI 時代以前，我們做產品很多時候想的是通過功能來滿足用戶的需求，你作為一個產品提供方、服務提供方，你想清楚我提供怎么樣的一個能力，讓用戶可能通過界面，通過某些菜單去選，好像是一些預制菜，你只能在里面去點一樣。

但在 AI 時代做產品，它的那種開放式的服務形態就會帶來很不一樣的要求跟挑戰。

用簡單的交互方式，可能是自然語言，可能是語音，其實作為產品方，你也不知道用戶會問什么，所以要充分利用模型能力去理解用戶的需求，然后通過比如今天大模型的這種能推邏輯推理，能去調用工具的能力產品，去給模型提供各種各樣它可以用的工具來應對這種開放式的需求。

這個是我覺得跟我們過去做產品很不一樣的地方，甚至包也包括你剛剛提到的 Email。

湯道生：以前我覺得做產品我們有很清晰的 specification，有很清晰的這個產品的這個細節功能的描述，那怎么去做設計？基于做研發怎么去測試？

我覺得那個瀑布式的流程也比較清晰。

但在做 AI 產品，我發現最大的變化是我們整個流程可能都要重新設計，尤其今年這個大部分的代碼都由 AI 生成，我們的工程師可能花會花更多的時間去做設計架構的設計，把寫代碼的工作可能都交給 AI 了，然后定期去指導一下，修正一下。

有環境有我們對于這些開放式答案的一些要求，甚至 alignment 怎么對齊用戶，我們用戶所需要的那種風格，我感覺今天 AI 時代做產品其實要求的能力更全面。

姚順雨：更難了哈。

湯道生：是。

湯道生：那我又問你一下混元 3，就大家都在說混元 3 preview 是混元 3 的，是你的騰訊的首秀，具體混元 3 做了什么改變，你能給大家介紹一下嗎？

姚順雨：其實我覺得沒有什么秘密，就是今天做大模型從某種程度來說是一個比較 trivial 的事情，就是說我們應該把 infrastructure 做好，我們應該把數據做好，算法的部分其實反而是比較簡單的，其實我覺得主要幾個點，第一就是說。

我們把這個 infrastructure 進行了重建，無論是預訓練還是強化學習。

第二就是說我們把數據和 eval 做了很多大的改變，如何去定義更真實的問題？如何去豐富這個 data 的 taxonomy？如何去提高數據的質量？

這是個永無止境的追求，其實那第三的話，我覺得很重要的很多決策，其實包括怎么去招人，怎么去設計，這個模型的節奏怎么樣？

姚順雨：每天有很多這個 decision，要考慮很多 trade off，我覺得可能沒有一個很清晰的公式，可能我覺得是一個很 taste driven 的事情，所以我其實想挺好奇想問你一個問題的，因為你剛剛跟我討論就是 code design 這個概念，我其實也很好奇，就是你對 code design 這件事情是怎么想的？

就說你覺得哪些事情應該是模型應該做的，哪些東西應該是產品應該做的？

湯道生：我覺得 co-design 在不同階段過去這兩年其實是一直在變化的，我覺得這個變化某種程度來講是隨著模型能力的升級而變化。

當然整個行業市場用戶的需求，它在變化的過程中也會帶來我們兩邊模型跟產品需要更好去滿足。

給我一個比較深的感受是怎么去對齊，因為在我們一起去做產品，去做 alignment，對齊會的時候我們有很多不同的角色，對吧？

產品可能要針對某個方向去解決一些問題，模型到底怎么去做滿足這個需求？但同你要回到模型需要數據應該怎么標注？到什么顆粒度？到底什么是好的標注，什么是不好的標注？

湯道生：因為有些地方要獎勵，有些地方要懲罰，然后還有儀表，對吧？

還有這個評測，因為如果產品認為好的產品體驗評測是不認同的話，那大家其實做出來的產品就會不一致了，所以扣第三給我的感覺更多的是在項目組里面。

不同的角色，他參與到這個產品的設計，訂立了定了一些產品的目標方向，怎么讓多個角色能夠對于一些開放式問題有比較好的對齊，如果沒有做到這樣的一個對齊的話，那你會發現用那個產品的行為會不可預測，甚至有時候會有一些隨機性，因為模型在訓練的過程可能也被混淆了，所以這個是我。

湯道生：這兩年跟做產品，跟模型團隊做 co-design 的一個一個比較深的感受，您覺得呢。

姚順雨：對，其實我是覺得就像剛剛說的，我覺得首先最難的一點就是要建立 trust，并且我覺得同理心很重要，因為說到底就是說做模型的這個目標和做產品的目標有很多 align 的部分，也有很多不 align 的部分，對吧？

就是說模型的人他會希望，誒，我這些這個能力越強越好，但是產品的人他可能希望用戶的需求滿足的越好是越好，所以天然有很多不 align 的部分，那我覺得可能很重要一點，就是要有這個換位思考的能力。

第三，其實一個很重要的細節是我們當時是如果你還記得的話，我們當時其實派了后訓練最強的骨干力量去幫助元寶，先把 deepseek 的這個后訓練先做好，因為在那個時候我們自己的那個預訓練還沒有 ready。

但是我們知道就是說維護這樣的產品以及它的 DAU 會對于我們接下來做模型也變得非常重要。而且會對于長期的合作非常重要，所以當時其實很多算法同學不理解，然后我需要去很努力的解釋，但我覺得現在看起來就是這些努力都是 pay off，對吧？

姚順雨：就是說我覺得這樣的一個動作就是讓產品和意識到，就是說模型的同學是真的在為產品著想，那我覺得這個其實對于就是我們這個之后的合作，包括混元 3 Preview 在元寶上成功的上線起到非常重要的作用。

當然有很多技術的部分可以探討，但我覺得可能最難的部分其實反而是怎么樣去建立信任，怎么樣換位思考。

湯道生：對對，非常認同。

那我換一個話題，你是 react 架構的提出者，博士研究也是圍繞著語言智能體展開的，那你幾年前的一些觀點到今天兌現了嗎？比如有哪些？

姚順雨：對，那天我還挺感慨的，因為我重新讀了自己的博士論文，感覺又回到了一個這個很遠古的時代，就是我的博士論文的 top，那個 title 叫做 language agent from next token prediction to digital automation。

湯道生：那是哪一年呢？

姚順雨：19 年，7 年前。那個時候 literally 就是我們的，就 GPT2 那個時候。他當時只能做 next TOKEN prediction，而且他產生的可能一段話還不太連續。

所以當時人們是很難想象到，就是說它會有一天成為一個改變世界的力量。當時我覺得可能大家做的研究稍微有想象力的一些會做一些研究，比如說自動駕駛，然后這樣的話如果你坐在車里，它會回到北京。那雖然它是一個有局限的事情，但大家其實當時就非常開心了，覺得這個技術很有意思。

當時我的想象力可能比較狂野吧，就是我覺得GPT是個非常優美的東西，就是預測下一個Token是一個非常極簡而且非常通用的事情。然后我覺得它有一天潛力不僅僅是在于預測下一個Token，而是在于把這個世界上所有的事情全部做透。沒錯。當然我當時想的可能還不夠大，我想的是具體的應用都沒選，但是現在看起來也有可能是AGI。

那我覺得其實我今天主要做的兩部分。第一部分就是如何建立一個方法論，如何把一個Next Token Prediction的機器變成一個自動化的機器，那其實就像你說的最重要的一篇工作可能是ReAct。我還記得就是22年7月份的時候，某一天晚上就是我當我把第一次，我記得當時是Python API和我當時自己手寫了一個Web Crawler的API連在一起，然后它第一次可以基于網頁回答問題，然后并且多輪交互的時候，我當時感覺就像那個微弱的電燈絲突然亮了的感覺一樣。就是我感覺這個OK就好。

據我所知，這可能是第一次人類把AI和真正的互聯網連在一起，并且去做這種動作的交互。我當時的感覺就是OK這個感覺可能五年或者十年會改變這個世界，但是可能比我想象中還要更快。包括我記得當時我們技術隨便是來第二次、第三次迭代的時候，我就覺得OK如果這個事情能做到，那很顯然就是它會帶來巨大的價值。當然可能是幾百億上千億，但現在可能是數萬億、數十萬億。我想的還是太小了。

那另一部分其實我做的工作就是怎么去定義AI Agent。那比如說Web是第一個，其實互聯網的Web的Task，然后包括Internet的話，隨便就是最早的就是Crawling這樣的任務。那現在看起來AI Agent的技術最重要的兩個部分，可能確實是Web Agent和Coding Agent。 最后就是說那天我還在群里面跟大家聊天，我說我看我那個論文的結尾，就是我在二四年的時候寫我的Future Work，對吧？

第一個是Train Models for Agent，第二個是Safe and Robust Deployment，第三個是Scientific Discovery，第四個是怎么樣去Help Human。我很感慨，我說我現在很幸運，我確實現在在做我當時列的Future Work。 GPT太厲害了，這個一看到整個行業針對這些方向影響的還是不夠大。我覺得當時我已經覺得自己想的夠大了，但可能還是不夠大。

湯道生：我覺得技術的發展往往超乎我們的預期。我也在轉身一點智能體，今天大家都說需要消耗很多的Tokens的調用。對于混元做下一代的模型的研發，你覺得什么是你的側重？有哪些地方是比較重要的？

姚順雨：對，我覺得毫無疑問，今天Coupling就有點像Infra一樣，是一個不得不做的事情，它是一個最基礎的能力。我個人覺得Coupling是非常本質的，當然有很多原因，但其實還有一個很重要的原因就是說它是一個有點像Turing Complete的這樣的一個事情，對吧？就是當你有能力去控制自己的，當你有一個Container的時候，其實你是一個看得見的這樣的一個System。

那今天我覺得AI這個毫無疑問是每一家模型所聚焦的重點，我覺得我們會做的方法可能會有幾個區別。

第一就是說即使可能今天Coupling也是最重要的事情，但我們還是會強調提示的全面化，就是我始終認為就是說真的要把Coupling做好，其實需要的遠遠不止Coupling這個數據，你也需要像我剛剛說的聊天方式、邏輯推理各種各樣不同的東西。因為大模型最重要的點是泛化性。

那第二點就是很顯然產品的作用越來越重要，如何利用好線上的回流，我覺得是一個每一個模型團隊都在應對和思考的問題。那這里我覺得我們剛剛有很多Coupling的這些經驗會變得非常重要。

那第三就是說我覺得其實還是需要更多想象力，無論是技術的路徑還是產品的路徑，還是像下一個范式的路徑，我覺得我們還是需要做一些探索性的甚至不確定性的工作。

湯道生：我覺得從產品側，因為大家越來越多有Token焦慮的聲音，Token的成本持續爆發式增長。我也聽到很多的客戶，甚至用戶身邊的同事們也在緊盯著Token的消耗。那怎么可以讓我們的模型在解決某個問題或者完成某一個任務，它的Token的效率最高？

對，我之前做過一些任務，可能它會是不同的方向，其實有些方向你也都知道，肯定走不下去的。

但可能模型還會試，試完知道怎么下去，再試下一個，其實里面的有什么可以去optimize的地方，讓TOKEN整體使用的效率更高。

姚順雨：對，其實我覺得現在中國大家討論性價比可能更多討論的是模型架構，但其實它是個很復雜的體系，我覺得可能最重要事情首先是你的performance，對吧？

就說很多人其實跟我說，他最后發現用較小的模型比用更差的模型，最后發現其實更省，因為你更快地就把這個事情做對了，然后你也省了人的精力。然后這個其實最重要的事情我覺得是Performance，因為如果你的Performance不好，其實性價比就無所謂。

姚順雨：第二部分我覺得就是成本，它其實本身就性價比，我覺得第一其實是性，因為如果這個性能不好，其實就性價比就無從談起。那第二點我覺得就是成本，那其實成本的話，我覺得中國其實是領先于世界的，對吧？

就是說我們做大量的工作去優化我們的成本資源，但其實我覺得成本可能最重要的事情是怎么用一個更小的模型把這個更高的這個價值的任務給做好。

那在這個基礎上，我覺得當然架構的創新包括長文本的管理，包括銷售價。

有很多需要做的事情，但我個人看法就是說，如果我們能做一個相對較小的模型，但是它又能夠比肩大模型的性能，而且它能夠在就是大部分的任務上做到很強的魯棒性，這可能會比在很多非常長程的就是Fancy的task上面實現，比如說一兩個點的這個提升，可能是在今天的中國更有價值。

姚順雨：其實我也挺好奇 Dawson 就是說你覺得agent 你是什么時候意識到它是一個新的產品的機會，以及你現在認知是什么？

你覺得現在我們離一個好用的agent bottleneck在哪里呢？

湯道生：因為我們做的agent 針對不同場景，其實有不同的產品形態，在agent的設計上面其實很大程度是在發揮模型的，盡量去發揮好模型的能力，當然模型在迭代它能力越強，可能agent需要做的工作也越來越少。

我看我們好幾個產品在過去這段時間其實是隨著模型能力加強，我們可以把產品、把agent做得更簡化，更多的是給模型提供更多不同的工具，創造更多的skills，來讓模型能夠更高效的去完成任務，給模型提供更多的我們叫記憶，對吧？

這個用戶過去使用的一些習慣，我們所記能提取出來的一些用戶preference 的一些信息。作為一個上下文去feed，過去在 coding 的環境有相關的context 給到模型，在辦公場景里面辦公協作做個PPT 可能大家關注的內容，或者該給到的模型不一樣，所以在我們做不同的agent，我覺得更重要還是了解那個場景下什么內容什么信息是重要的、比較 relevant 的能夠跟模型配合好，讓模型能夠有它需要的信息。同時也發揮他的這個能力。

姚順雨：但最近我們確實推出了一些像workbody這樣口碑很不錯的產品，對吧？

然后背后就是我觀察到就是很多小團隊在快速的迭代產品，我其實挺好奇，就是相對于傳統的這種產品研發，你覺得在這種新的agent時代的這個研發和組織管理上，這個產品團隊發生什么變化？你的思考是什么？

湯道生：對，我前一陣子在幫 workbody 做一個組織分析，我看了一下他們那個非常扁平化的組織，跟我們過去的其他的產品組織架構是有很大的差異，更多的小團隊三個人、五個人一個，可能就是圍繞的某一個領域來去做攻堅，就而且有很多的實驗的在里面，所以貢獻還要支持好這個 AI infra去做實驗，讓不同的這些小分隊可以去探索，然后再驗證，因為其實驗大部分可能是拿不到正向的反饋的，那我們也要去包容團隊去試錯，這種通過大量實驗去提煉出對于用戶留存，對于我們想要的這個結果有正向的幫助。

這個是我覺得今天做agent，做AI產品，原生AI產品，這個組織形態要能夠比較好去支撐。另外原來可能有很多工程師有很多時間花去寫代碼，但今天毫無疑問他們這些工作可以交給AI了，所以我們會看到更多角色的融合，可能大家都是產品經理，都要去了解透徹用戶的需求，以及設計出我們想要的產品形態，每一個工程師可能就是更像一個有想法的leader 驅動著多個coding agent 來去針對我們想要的這種產品需求去做研發開發，同時也要像我剛說的，要把參與這個評測測試比較前置，也用好AI的能力，把這些質量保證的工作 alignment 對齊的工作又要做到前面來。

湯道生：那我也想在問一下，一個可能更大家比較多討論的一個問題，其實很多的自媒體都會提到騰訊慢了，這個在AI上面，這個我們沒有及時的去抓住一些機會，你覺得我們真的慢了嗎？

到底下半場是什么？您，你能再多說一下嗎？

姚順雨：感覺這應該是我問你的問題。哈哈哈。

我覺得首先這個AI我覺得其實今天我覺得有兩個重要的判斷。

第一個就是說我們認為AI是一個短期的游戲，還是個長期的游戲，因為在硅谷大家蔓延著很多的情緒，就是說兩年后所有人都要失業了，對吧？

就這個AI就要取代所有人工作，那我們應該趕快賺兩年錢，然后退休，對吧？

那我覺得這是一個判斷，我覺得很顯然我們的判斷是這是會是個長期游戲。

那其實我覺得AI才剛剛開始，從某種程度來說，下半場才剛剛開始，我不認為chatgpt和Claude code會是唯一的super APP，我覺得那會是一個非常灰暗的世界，我覺得肯定會有源源不斷的新的機會的誕生，可能今天就像是七十年代，就是PC剛剛產生的時候，那我覺得還有很多很多事情需要做。

那第二個判斷就是說它會是個更現行還是個多元的游戲，因為確實我覺過去幾年大家能看到的是Pre-training，然后post-training RL，然后agent coding agent 就是似乎有一個非常清晰的主線，然后這個主線就是所有人都在copy，對吧？

姚順雨：坦白說就是所有人都在做一樣的事情，這也是個非常灰暗的事情。

其實那到底未來會變得更單一還是更多元，我個人看法就是說我覺得會變得更多元，毫無疑問 coding agent生產力會變得更加重要，我覺得它是一個剛剛開始的事情。這個世界還有trillions of dollars market 還沒有被填滿，但是多模態具身智能很多很多新的事情都在發生或者剛剛發生。

所以從這角度來說，那如果我們認為下半場的剛開始，那可能確實不是慢，當然我覺得就是過去就這個模型產品做了很多探索，走了很多彎路，我覺得這是我覺得正常的，就是你如果沒有做過一個事情，那你那第一次做肯定還是會有這個曲折，但是我覺得可能更重要的事情是說能不能誠實的面對自己，能不能夠 be real？

能不能夠去，就是看到feedback 要去改變，能不能夠去保持耐心？我覺得這些事情可能是在下半場更加重要的事情。

湯道生：對。我覺得騰訊，大家對于騰訊經常喜歡挑某一個點來批評，當然我覺得我們也很歡迎大家給我們提更高的要求，那我們還是一個非常多業態，很多產品，在很多的賽道，同時也有很多的團隊在推進不同的項目事情，所以毫無疑問，在這樣的一個復雜的組織里面，有些地方可能我們做的快了，有些地方做的慢了，有些地方可能會做失敗在探索，所以我覺得這些提醒都非常好。

我覺得確實有些地方我們是可以做得更好，但就像你說的，這是一個長跑，這是一個馬拉松，騰訊還是有非常豐富的場景，就像你一開始提到選擇騰訊，因為AI需要context。對吧？

模型需要很多的這些上下文，其實騰訊在過去的多年的不同產品，在不同賽道的這些積累，其實都是可以針對每一個場景去提供，為模型提供有用的信息，提供這些context來發揮價值，那在這樣的一個長跑，我相信模型會不斷迭代，用戶的需求也在不斷變化，也會有新的產品形態出現。

我覺得我們比如今年年初對龍蝦這一波熱潮也反應比較快，同時也有像workbody這樣的一個智能體產品，其實也是幾年前已經開始做的產品，沿著原來做 coding 的 codebody 慢慢看到非程序員也有很強的這個需求，我們也能比較快的去應對。

今天其實也聽到很多客戶對于我們的不同產品怎么去組合起來有非常高的這個期待，所以我們正在長跑中，也請各位多給我們提醒，多給我們建議，也多用我們的產品來給我們這個正向的constructive的反饋。

好，今天我們的對談就到這里，謝謝順雨，感謝大家。